スパース攻撃のための効率的でロバストな分類【JST・京大機械翻訳】

Beliaev Mark; Delgosha Payam; Hassani Hamed; Pedarsani Ramtin

プレプリント

J-GLOBAL ID：202202209250136677 整理番号：22P0278529

スパース攻撃のための効率的でロバストな分類【JST・京大機械翻訳】

Efficient and Robust Classification for Sparse Attacks

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年01月23日プレプリントサーバーでの情報更新日： 2022年01月23日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

過去20年間,著者らは,それらの分類精度とともに,ニューラルネットワークの人気が増していることを見出した。これと平行して,著者らは,また,非常に同じ予測モデルが,どのように,入力に対する小さな摂動が,全データセットを通して誤分類誤差を引き起こすかを,目撃した。本論文では,画像認識,自然言語処理,およびマルウェア検出の領域における効果的な攻撃として示されたl_0-ノルムによって有界された摂動を考察した。この目的のために,「切断」と「敵対訓練」から成る新しい防御法を提案した。次に,Gauss混合設定を理論的に研究し,提案した分類器の漸近最適性を証明した。洞察により動機を得て,これらの成分をニューラルネットワーク分類器に拡張した。MNISTとCIFARデータセットを用いてコンピュータビジョンの領域における数値実験を行い,ニューラルネットワークのロバスト分類誤差に対する大幅な改善を示した。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , , , 【Automatic Indexing@JST】

人工知能 , 図形・画像処理一般 , パターン認識 , ニューロコンピュータ

, ,

前のページに戻る